许多图象分割解决方案是基于问题的。医药图象在感兴趣的目标之中有很类似的灰水平和质地。因此，尽管有研究，自从最后几十年起，做，医药图象分割要求改进。我们设计一个自我学习的框架从计算断层摄影术(CT)图象同时提取兴趣的几个目标。我们的分割方法有基于加强学习的一个学习阶段(RL)系统。每个RL代理人研究一幅输入图象的一幅特别亚图象在它为每个目标发现合适的价值。RL系统是由状态，行动和报酬定义。我们在亚图象为每个状态定义一些行动。报酬功能为RL代理人的每个行动计算报酬。最后，从发现兴趣目标的所有状态，珍贵信息将在Q矩阵被存储，最后的结果能在类似的图象的分割被使用。头部的CT图象的试验性的结果超过95%表明了分割精确性。
